近日，人工智能领域顶级期刊《Information Fusion》(IF=18.6)，在线发表测绘遥感信息工程国家重点实验室唐炉亮教授团队研究成果。论文题为“Towards integrated and fine-grained traffic forecasting: A Spatio-Temporal Heterogeneous Graph Transformer approach” （一种顾及时空异质性的交通流精细预测方法），硕士生栗广岳为第一作者，唐炉亮教授为通讯作者，合作者还包括赵紫龙、郭小刚、张华祖和王靖涵。

交通预测作为交通工程学科的关键科学问题之一，是智能交通、智慧城市、自动驾驶的核心技术支撑。现有方法主要集中在“双向级”路网的交通预测，忽略了路段与交叉口不同转向结构的异质性。如何顾及道路结构特征，精细预测道路网络中不同组成部分（路段和转向）交通流状态，有效处理路网结构异质性和关联性，是交通预测长期面临的难题与挑战。

唐炉亮教授课题组提出了一种顾及时空异质性的交通流精细预测方法，通过构建时空异质图注意力网络，实现全面、细粒度的交通预测。论文首次提出异质道路网络图结构用于精细化交通预测，在表征完整道路网络关联性的同时强调异质性。其次，提出包含异质空间嵌入的空间注意力机制，捕获路网中路段和不同转向之间的依赖关系。最后，利用软阈值化策略增强时序注意力机制，提升针对转向速度波动情景下交通状态的预测能力。实验证明，论文方法比现有方法在路段预测任务上准确率提升6.1%，在转向预测任务上准确率提升8.5%。

唐炉亮教授（国家高层次人才）带领的“大数据场景众包感知团队”率先开展转向级交通流预测研究，将交通流精准预测从“双向级”提升到“转向级”。成果“基于低频GNSS轨迹的转向级城市交通信息精细预测” 2021年发表在我国测绘顶刊《测绘学报》；成果“FTPG: A Fine-Grained Traffic Prediction Method with Graph Attention Network Using Big Trace Data”2022年发表在交通领域顶刊《IEEE Transactions on Intelligent Transportation Systems》(IF=8.5) 。部分成果已经为华为地图的转向级导航应用研发提供核心技术支撑。 

相关论文链接：

https://doi.org/10.1016/j.inffus.2023.102063

https://doi.org/10.1109/TITS.2021.3049264

大数据场景众包感知团队简介：

http://jszy.whu.edu.cn/tangluliang/zh_CN/zdylm/1548911/list/index.htm